[發(fā)明專利]一種基于深度自注意力網(wǎng)絡(luò)的紡織品棉麻鑒別方法

在審

• 申請?zhí)枺?/td>: 202111544562.9
• 申請日: 2021-12-16
• 公開（公告）號: CN114220012A
• 公開（公告）日: 2022-03-22
• 發(fā)明（設(shè)計(jì)）人: 池明旻
• 申請（專利權(quán)）人: 池明旻
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/26;G06V10/40;G06V10/762;G06V10/764;G06K9/62
• 代理公司: 深圳叁眾知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44434
• 代理人: 宋鵬飛

1.一種基于深度自注意力網(wǎng)絡(luò)的紡織品棉麻鑒別方法，其特征在于，所述紡織品棉麻鑒別方法包括：

S1：給定輸入光譜數(shù)據(jù)，對其進(jìn)行歸一化和標(biāo)準(zhǔn)化，每次輸入的采樣數(shù)據(jù)維度為p*2*3，其中p是近紅外光譜數(shù)據(jù)維度，2是光譜數(shù)據(jù)的通道數(shù)，3是對一個樣本進(jìn)行三次重采樣，并將數(shù)據(jù)處理成c*h*w的圖像數(shù)據(jù)，其中c為輸入的通道數(shù)，h,w為圖像的長和寬；

S2：將圖像數(shù)據(jù)進(jìn)行切片，分割成若干個子圖，子圖大小為p1*p2，子圖個數(shù)為n；

S3：將子圖輸入到特征編碼表示層，通過一層全連接層，將每個p1*p2的子圖映射到維度為1*d的特征空間中，其中d為全連接層輸出維度，得到特征x1；

S4：設(shè)置一個可學(xué)習(xí)的位置變量參數(shù)pos，維度為(n+1)*d，其中n為子圖個數(shù)，d為子圖特征表示維度；設(shè)置一個用于分類的可學(xué)習(xí)參數(shù)t，維度為1*d；將位置編碼參數(shù)x1與t進(jìn)行拼接獲得一個(n+1)*d維度的向量，再與特征pos相加獲得特征x2；

S5：設(shè)計(jì)基于自注意力模塊的特征提取網(wǎng)絡(luò)，包括8層自注意力模塊，得到特征向量x3，維度為N*d，其中N＝n+1,d為子圖特征表示維度；

S6：將向量x3看做N個維度為d的特征描述子，其中d是經(jīng)過自注意力特征提取后的向量維度的維度；將N個描述子分別輸入到特征編碼網(wǎng)絡(luò)中，定義一個維度為8*64的可學(xué)習(xí)字典c，將描述子進(jìn)行編碼獲得向量V；

S7：將各個子模型獲得的編碼層向量V輸入到一層全連接網(wǎng)絡(luò)，輸出維度為K，表示網(wǎng)絡(luò)分類個數(shù)，并計(jì)算損失函數(shù)loss。

2.根據(jù)權(quán)利要求1所述的一種基于深度自注意力網(wǎng)絡(luò)的紡織品棉麻鑒別方法，其特征在于，所述S6包括:

S61:將描述子進(jìn)行編碼獲得向量V，具體編碼方式為：

其中x為N*d的特征描述子，c為維度為k*v的字典參數(shù)，k為字典聚類中心個數(shù)，v為每個字典元素的維度，α是一個可學(xué)習(xí)的參數(shù)，用來控制向量與聚類中心的距離。